Cloudflare Computer MCP部署实战：MCP_TOKEN安全配置与客户端接入完整流程

Cloudflare Computer MCP部署实战：MCP_TOKEN安全配置与客户端接入完整流程

【免费下载链接】computerGive your agent a computer 👾项目地址: https://gitcode.com/GitHub_Trending/computer1/computer

Cloudflare Computer（computer）是一个"给 AI Agent 一台电脑"的开源项目：它用 Durable Object 承载持久化文件系统，并内置 Worker Shell 与 Linux 容器两种执行后端。本文带你把官方 MCP 示例部署到 Cloudflare，完成 MCP_TOKEN 安全配置，并把 AI 客户端成功接入，全程约 10 分钟。

一、Cloudflare Computer MCP 能做什么？

官方 examples/mcp 示例把一台"持久电脑"通过MCP（Model Context Protocol）协议暴露给 AI 客户端。它有三个特点：

• 🖥️一个持久工作区：由 Durable Object 持有，文件跨会话保留，断电不丢；
• 🛠️只暴露一个code工具：AI 通过 Code Mode 自主编写脚本来读写文件、执行命令，而不是面对几十个零散工具；
• 🔀两种执行后端：worker-shell（快速、隔离、无外网）与container-shell（完整 Debian Linux，按需启动）。

从架构上可以直观理解：Durable Object 里的 SQLite 是文件系统的数据源（source of truth），容器通过 FUSE 挂载看到同一份数据，container-shell执行命令前后都会做一次同步。项目完整设计说明可参考 docs/ 目录。

二、部署前准备：获取示例项目

MCP 示例是一个独立的 Worker 工程，关键文件如下：

两种获取方式任选其一：

方式 A：C3 脚手架（推荐新手），在本地执行：

npm create cloudflare@latest computer-mcp -- \ --template=cloudflare/computer/examples/mcp

方式 B：克隆完整仓库：

git clone https://gitcode.com/GitHub_Trending/computer1/computer

💡 环境要求：Node.js 20+；本地调试容器后端需要 Docker 守护进程正在运行。

三、一键部署：把 MCP 服务上线

从仓库根目录执行三条命令：

npm install npm run build --workspace @cloudflare/computer npm run deploy --workspace @example/computer-mcp

部署成功后会拿到一个https://<your-worker>.workers.dev域名。此时先别急着接入客户端——端点默认"失败关闭"：只要还没配置 MCP_TOKEN，任何请求都会被拒绝（返回 503），这是刻意设计的安全默认值。

四、MCP_TOKEN 安全配置：最容易被忽略的一步

1. 生成一个强随机 Token

不要复用密码或随手拼字符串，用命令行生成 64 位十六进制随机值：

openssl rand -hex 32

2. 将 Token 存为 Worker 加密 Secret

从仓库克隆部署时，需要指定示例的配置路径：

npx wrangler secret put MCP_TOKEN --config examples/mcp/wrangler.jsonc

如果你是独立 C3 项目，直接执行npx wrangler secret put MCP_TOKEN即可。也可以在 Cloudflare 控制台对该 Worker 添加加密 Secret，效果相同。

3. 鉴权是如何保护你的？

看一下 examples/mcp/src/index.ts 中的鉴权实现，有三个值得学习的细节：

• ⏱️时序安全比较：使用crypto.subtle.timingSafeEqual比对Authorization头，先比较长度、再逐字节对比，防止时序攻击；
• 🔒失败关闭：Token 未配置返回503，Token 错误返回401并携带WWW-Authenticate: Bearer头，行为清晰可排错；
• 🚫白名单路由：只有/mcp需要鉴权，/health免鉴权（方便监控），根路径/返回纯文本说明（端点地址、可用后端），其余路径一律 404。

4. 记住单用户安全模型

⚠️ 该示例刻意设计为单用户：所有鉴权后的请求都落在同一个 Durable Object 和同一份工作区。请妥善保管 MCP_TOKEN，不同信任边界（比如团队中不同成员）应各自部署一份独立实例。

五、MCP 客户端接入完整流程

1. 确定两个参数

2. 写入客户端配置

支持 JSON 配置的 MCP 客户端，条目通常长这样（文件名和格式因客户端而异）：

{ "mcpServers": { "computer": { "type": "http", "url": "https://<your-worker>.workers.dev/mcp", "headers": { "Authorization": "Bearer <MCP_TOKEN>" } } } }

✅ 如果客户端提供密钥存储功能，请把 Token 存在那里，不要把真实 Token 提交进配置文件。

3. 验证接入是否成功

先在浏览器访问https://<your-worker>.workers.dev/，能看到端点地址和后端列表即说明服务在线；GET /health返回ok表示健康检查通过。然后在客户端里直接下指令试试：

Create /workspace/hello.txt, read it back, and list the workspace files.

如果看到 AI 成功创建、读取并列出文件，恭喜——你的 Computer MCP 已经跑通了！

六、上手使用：双后端怎么选？

客户端只会看到一个公开的code工具，模型会在其中调用codemode.read / write / edit / ls / find / grep / exec等函数操作工作区。exec时由模型选择后端（见 examples/mcp/src/server.ts 中的后端描述）：

举个例子，想让 AI 在完整 Linux 环境里干活，可以这样说：

Use container-shell to create a small Node.js project in /workspace, install its dependencies, and run its tests.

容器只在真正选中container-shell时才启动，/workspace会在每次命令前后与 Durable Object 自动同步，所以两种后端看到的是同一份文件。

七、常见问题排查

线上排障还有两个好帮手：curl https://<your-worker>.workers.dev/health快速验证连通性；用npx wrangler tail --config examples/mcp/wrangler.jsonc实时流式查看 Worker 与 Durable Object 日志。

八、写在最后

回顾一下完整流程：克隆模板 → 三条命令部署 → 生成随机 Token → 存为 Worker Secret → 客户端配置 Bearer 头 → 一句话验证。Cloudflare Computer 把"持久文件系统 + 双执行后端 + 单一 code 工具"打包成了对 AI 最友好的形态——Token 配好之后，你的 AI 助手就真正拥有了一台随时待命的电脑 🖥️

📚 延伸阅读：examples/mcp/README.md（含本地开发指南）、docs/（VFS、同步协议等设计文档）、docs/19_performance.md（文件系统性能基准）。

【免费下载链接】computerGive your agent a computer 👾项目地址: https://gitcode.com/GitHub_Trending/computer1/computer